一维交通流仿真变长度虚坡模型

元胞自动机方法反映了交通流问题的一些主要特征,但仍有其不足.特别是元胞自动机不能有效反映车辆行驶惯性,给出连续变化的车辆速度.虚坡模型能给出连续的车速,但原有虚坡模型中虚坡长度保持不变,易于造成车辆分得太开或相靠太近的情形.为了提高速度精度和改善车流问题,提出变化虚坡长度的概念,确保车辆的加速度不超过限定值,同时又能保证车辆在慢速行驶条件下安全且充分地接近.对一个具有2200辆车的较大规模问题进行了仿真计算,结果表明模型能为实际运行提供参考.     

自来水厂出水浊度的前馈反馈智能控制

针对国内大多数水厂都是手动控制加药,对水量大幅度变化或者遇到暴雨天气使得浊度变化剧烈时难以准确控制投药量的问题,提出了采用无模型控制器的前馈-反馈方案来对水厂投药过程进行控制.它针对上述问题进行有效的控制,达到对原水浊度剧烈变化时能实时且有效控制出水浊度,使出水达到工业标准并能节约成本.无模型控制器实时控制能保证加药量既不会浪费也能控制水质到水厂规定的浊度值,其良好的鲁棒性及快速性,表明了其在水厂智能加药控制过程中的可行性.     

基于改进DenseNet的驾驶行为识别

为提高道路交通安全，解决司机分心驾驶问题，对基于卷积神经网络的驾驶员行为识别模型进行了改进。首先对基于DenseNet的驾驶行为识别模型进行研究，在其基础上引入注意力机制对其进行改进；将注意力机制模块化后设计了三种改进模型；最后将实验结果进行对比分析，确定性能较优的改进模型为SE-PRE模型。实验结果显示，提出的改进模型在相关数据集上达到了94.21%的准确率，上述模型能够准确且高效的识别驾驶行为，为后续的车辆智能化研究奠定了基础。     

基于数据并行的神经网络预测模型

分析了数据挖掘领域面临的性能问题(主要包括算法的有效性、可伸缩性和并行性);根据数据并行的思想,提出了在时序预测中并行训练神经网络的模型,以提高训练速度。这一模型具有良好的可扩展性,能适应大训练集的情况,是一种粗粒度的并行,且易于在集群系统这样的并行环境下进行数据挖掘。同时,描述了相关算法,并对训练速度进行了测试。     

具有时滞的传染病动力学模型数值仿真

具有时滞的传染病模型能较好反映传染病的潜伏期、免疫期等问题,对其研究越来越受到重视。利用计算机模拟方法对具有时滞的传染病动力学模型进行了分析,阐述了数值仿真的基本原则。采用时滞微分方程的数值解法对模型进行了定性分析,给出了数值仿真的应用实例。结果表明该方法是有效的,并具有潜在的应用价值。     

基于CV和LBF模型结合的图像分割算法研究与实现

CV模型和LBF模型是两个著名的图像分割模型,然而它们有各自的缺点。CV模型不能处理灰度不均图像,而LBF模型虽然能处理灰度不均图像,但对活动轮廓的初始化很敏感,且对噪声不具有鲁棒性。为了克服上述缺点,首先对图像进行预处理,然后在得到新的图像的基础上提出与LBF类似的模型,同时将其与CV模型结合,得到全局和局部活动轮廓模型。实验结果表明,所提模型不仅能处理灰度不均匀图像,同时减弱了活动轮廓对初始化的敏感性,并且提升了对噪声的鲁棒性。     

一种自适应的多级入侵检测模型

网络入侵检测是互联网安全领域研究的热点问题。传统的基于异常的入侵检测方法采用单一的检测模型对各类数据进行检测,导致漏报率高。且缺乏模型的动态更新机制,导致模型自适应羞。针对上述问题,提出了一种具有自适应性的多级入侵检测模型ACIDM（Adaptive Cascaded Intrusion Detection Model）。ACIDM层级部署多个检测模型,各级模型之间通过检测反馈对模型进行动态更新和协同训练。实验证明,与单一检测模型相比、ACIDM检测器的多样性、层级性和自适应性,使得ACIDM在保证检测精度的同时能明显降低对入侵的漏报率,且这种优势在小样本情况下尤为显著。     

一种基于统计特性变换的改进盲信道估计

首先从接收信号的过采样出发,总结了SIMO信道的堆栈系统模型.针对输入信号为平稳且有已知自相关函数时的信道估计与均衡问题,通过统计特性变换的方法导出了变换阵的闭式解,最后给出一种适用于平稳信源的改进盲信道估计与均衡算法,并对算法进行仿真,分析其辨识误差、收敛性能和均衡效果.结果表明算法在输入信号为平稳非独立同分布时仍能对信道进行辨识且具有较高的精度,算法的收敛速度快并能达到理想的均衡效果.     

基于多消费群体的竞争选址模型与求解算法

针对传统的竞争选址过于简单地考虑消费群体这一要素问题, 建立了新的竞争选址问题模型。在新模型中, 应用层次分析法综合考虑了门店规模、零售店价格、商品质量、装修程度、交通状况对设施吸引力的影响, 且其影响程度对于不同的消费群体有所不同等问题。最后给出了求解该模型的遗传算法和具体算例, 并通过MATLAB进行了编程计算实验。结果表明, 该模型和算法可以用于竞争选址决策中, 且具有一定的可行性和有效性。     

压力传感器的支持向量机非线性回归建模

压力传感器的输出特性易受到环境因素,尤其是温度变化的影响。针对该问题,提出了利用支持向量机(SVM)对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用SVM的回归算法来逼近非线性函数的特点,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型来实现压力传感器的校正。实例表明:该方法能有效地减少温度变化对传感器输出的影响,且校正后的压力传感器具有更高的测量精度和温度稳定性。